في عصر تتسارع فيه تقنيات الذكاء الاصطناعي، يشهد العالم تقدمًا مثيرًا في نماذج اللغات الضخمة (Large Language Models) التي تتجاوز مجرد توليد المحتوى السلبي. فقد أصبح السؤال المحوري: هل يمكن للذكاء الاصطناعي أن يكون كائن تطوير وأيضًا شريكًا نشطًا في بناء أنظمة الذكاء الاصطناعي القادمة؟

جاب هذا السؤال بابتكار Qwen-Planner-Agent، إطار مغلق يعتمد على الذكاء الاصطناعي في الذكاء الاصطناعي (AI-for-AI)؛ بهدف تحقيق تطوير scalable وتحسين دوري. إن التخطيط النقال يمثل اختبارًا متطلبًا لهذا النهج، حيث تتحدى المهام المعقدة وطويلة الأفق موثوقية الوكلاء، فيما تحد من قابلية تطويرهم تفاعلات الأجهزة الحقيقية المكلفة.

يعتمد هذا الإطار على ارتباط الإنتاج البيانات وتدريب النماذج والنشر من خلال عقد مشترك يشمل العمل والتغذية الراجعة والتحقق.

يتضمن ذلك:

(i) الذكاء الاصطناعي من أجل البيانات، حيث يبني توليد بيانات محجوزة بشريًا، دورات بيانات يشكلها وكلاء متخصصون يقومون بإنشاء المهام، وجمع المسارات التفاعلية، وتنقيح وتوازن بيانات التدريب، ويستخدمون ردود الفعل من التدريب لتوجيه إنتاج البيانات اللاحق.

(ii) الذكاء الاصطناعي من أجل التدريب، حيث يجمع بين بدء تخطيط مشرف والتعلم التعزيزي لوكلاء في بيئات هجينة، مع إدخال هندسة المكافآت والامتياز الوعية (Competence-Aware Reward-and-Advantage Engineering) لتقليل تكاليف التفكير واستخدام الأدوات مع الحفاظ على أداء المهام.

(iii) الذكاء الاصطناعي يقود التطور المتبادل بين النماذج والعربات من خلال حلقة مدفوعة بالأدلة التنفيذية، تنظم الذاكرة والمهارات والأدوات في وقت التنفيذ، وتعيد تغذية ردود الفعل المهيكلة من الأعمال والتراخيص الغير ناجحة إلى التكيف المنسق بين النموذج والعربة.

قدم Qwen-Planner-Agent أفضل أداء إجمالي بين جميع النماذج والأنظمة التي تم تقييمها على MobilePA-Bench، محققًا تحسينات ملحوظة على النموذج الأساسي في استخدام الأدوات والذاكرة والمهارات وتنسيق الوكلاء الفرعيين. كما أظهرت التقييمات اللاحقة لنموذجه تحسينات عبر معايير الوكلاء غير المحمولة مع الحفاظ إلى حد كبير على القدرات العامة.

هذا التطور المذهل في الذكاء الاصطناعي يفتح أبوابًا جديدة لمستقبل مشمس ومليء بالإمكانيات. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.